錢洛丹， 吳慧， 牛廣明， 任嘉梁， 崔艷芬， 蔚納

卵巢癌是婦科惡性腫瘤中最致命的一種，其中大多數(shù)起源于上皮[1]。據(jù)統(tǒng)計，美國每年新發(fā)卵巢癌病例約22240 例，約有14000人死于此病，5年生存率低于30%[2]，中國每年新發(fā)病例約52100例，且逐年增加，死亡病例約22500例[3]。上皮性卵巢癌(epithelialovariancancer,EOC)的組織學分型是評估生存期的重要預(yù)后因素[4]。傳統(tǒng)上，EOC被分為高、中、低分化，但最近更傾向于將EOC分為Ⅰ型和Ⅱ型，其顯示出不同的分子遺傳特征、形態(tài)特征、臨床生物學行為和生存期[5,6]。Ⅰ型腫瘤具有惰性病程，長期局限于卵巢，早期行病側(cè)卵巢切除是有效的。而大多數(shù)晚期I型EOC對標準的細胞毒性化學療法不敏感，因此BRAF抑制劑和其他MAPK激酶抑制劑等靶向治療方案被倡導(dǎo)[7]。Ⅰ型EOC的總體預(yù)后良好。Ⅱ型EOC具有高度侵襲性，其中75%以上的患者發(fā)現(xiàn)時已屬晚期，在大多數(shù)情況下需要更積極的外科手術(shù)。傳統(tǒng)的鉑類化學療法是有效的，但總體預(yù)后較差[5]。此外，有研究表明基于術(shù)中卵巢腫瘤冰凍切片的組織學診斷并非十分可靠，需要更多的定量診斷信息[8]。因此術(shù)前預(yù)測EOC組織學分型有助于患者的疾病管理和預(yù)后評估。

擴散加權(quán)成像(diffusion weighted imaging,DWI)和表觀擴散系數(shù)(apparent diffusion coefficient,ADC)是評估EOC組織學分型有價值的指標[9,10]。影像組學是一個新興領(lǐng)域，可以通過自動數(shù)據(jù)表征算法將醫(yī)學圖像轉(zhuǎn)換為高維可挖掘的特征空間[11-13]，在區(qū)分腫瘤組織學分型中顯示出較高的價值[14-16]。本研究旨在比較傳統(tǒng)模型與多序列影像組學模型在鑒別診斷Ⅰ型與Ⅱ型 EOC中的效能，并驗證傳統(tǒng)模型與影像組學模型聯(lián)合是否在預(yù)測EOC組織學分型上更有價值。

材料與方法

1.研究對象

回顧性搜集本院2015年1月-2019年6月行盆腔MRI檢查的患者。病例納入標準：①MRI檢查后3個月內(nèi)接受手術(shù)治療，術(shù)后病理證實為EOC且具有明確的國際婦產(chǎn)科聯(lián)盟(international federation of gynecology and obstetrics，F(xiàn)IGO)診斷分期；②在MRI檢查前未進行過放化療或其他治療；③腫瘤固體成分的最大直徑>1.5 cm，可準確測量ADC值及勾畫全腫瘤感興趣區(qū)容積(VOI)。病例排除標準：①轉(zhuǎn)診到其他醫(yī)院無準確病理結(jié)果；②病變固體成分太小；③圖像質(zhì)量不佳或無增強掃描圖像；④雙側(cè)卵巢病變?yōu)榉N植性轉(zhuǎn)移。最終61例患者納入本研究(圖1)，年齡29～81歲，中位年齡51.8 歲。

圖1 患者納入途徑。 圖2 影像組學模型、傳統(tǒng)模型和混合模型的ROC曲線。 圖3 影像組學的工作流程。

2.檢查方法

所有MRI檢查均在GE 3.0T 750 Discovery掃描儀上完成，采用8通道腹部線圈?；颊邫z查前禁食4～6 h，并進行腸道準備(服用乳果糖和硫酸鎂)。主要掃描序列包括軸面FS-T2WI、DWI和動態(tài)對比增強磁共振成像(dynamic contrast enhanced magnetic resonance imaging，DCE-MRI)。FS-T2WI自旋回波序列掃描參數(shù)：TR 4000 ms,TE 100 ms，視野280 mm×280 mm，矩陣320×192，層厚5.0 mm，間隔1.0 mm；DWI檢查采用單次回波平面成像序列，掃描參數(shù)：TR 3700 ms，TE 80 ms，視野280 mm×280 mm，矩陣128×128，層厚5.0 mm，間隔1.0 mm ，b值取1000 s/mm2；DWI掃描完成后進入GE Function AW 4.6工作站，自動生成ADC參數(shù)圖。DCE-MRI采用3D容積LAVA序列，經(jīng)高壓注射器注射對比劑釓噴酸葡甲胺(Gd-DTPA)，劑量0.2 mL/kg，流率2.0 mL/s，在推注前10 s開始以10 s間隔順序獲得圖像，總共320 s。

3.病理及MRI圖像分析

由兩位專業(yè)病理醫(yī)師(婦科腫瘤診斷經(jīng)驗分別為10年和20年)共同閱片。根據(jù)Kurman和Shih的EOC二元模型[5]，將患者分為Ⅰ型和Ⅱ型。Ⅰ型包括低級別漿液性癌、子宮內(nèi)膜樣癌、透明細胞癌、粘液癌和惡性Brenner腫瘤，Ⅱ型包括高級別漿液性癌、未分化癌和癌肉瘤。組織學亞型根據(jù)世界衛(wèi)生組織(WHO)指南確定[17]。

由2位分別具有3年和10年婦科MRI診斷經(jīng)驗的放射科醫(yī)師在GE PACS工作站上共同閱片，并記錄以下病變特征：①最大直徑;②側(cè)向性：單側(cè)或雙側(cè)卵巢病變；③實性成分的T2WI信號強度，分為低、中和高(與子宮肌層的信號強度進行比較)；④性狀：包括囊性、囊實性和實性(相當于實性成分小于1/3、1/3～2/3和超過2/3)；⑤是否存在腹膜轉(zhuǎn)移； ⑥腹水。形態(tài)學特征的選取與評價根據(jù)Thomassin-Naggara等[18]制定的標準。所有結(jié)果均由兩位放射科醫(yī)生共同決定，若為雙側(cè)病變則分別描述單側(cè)病灶的T2WI信號強度和囊實性特征。由以上2位放射醫(yī)師在DWI圖像(b=1000 s/mm2)的每層高信號區(qū)手動勾畫單層ROI融合成VOI，參考T2WI及對比增強T1圖像，避開壞死、出血及囊變區(qū)域，獲取ADC值。

5.建立傳統(tǒng)模型、影像組學模型和混合模型

采用單因素分析以比較Ⅰ型與Ⅱ型EOC的常規(guī)MRI形態(tài)學特征和ADC值差異，再進行多因素 Logistic回歸分析選擇具有統(tǒng)計學差異的變量構(gòu)建傳統(tǒng)模型。

根據(jù)Thomassin-Naggara等[18]的研究結(jié)論，本研究中影像組學模型包括FS-T2WI、DWI和 DCE-MRI(動脈晚期)圖像。3D slicer(4.10.2 版) 用于醫(yī)學圖像配準和重采樣。根據(jù)Cohen等[19]的研究方法，在配準之前對可能影響強度不均勻性的因素進行了校正，即Z-socre標準化。由兩位放射科醫(yī)師采用ITK-SNAP (3.8.0 版)在DWI高信號區(qū)域沿病灶邊緣連續(xù)層面勾畫腫瘤ROI，參考T2WI、T1WI增強圖像以避開壞死、囊變、出血區(qū)域，最終得到全腫瘤感興趣容積VOI?；谏鲜鰪姸鹊姆莿傂耘錅剩蓪⒚枥LDWI圖像的VOI轉(zhuǎn)換到相應(yīng)的T2WI、T1WI增強圖像上，所得VOI參考重要解剖標志(如股骨頭、膀胱、子宮等)進行視覺評估。兩個月后，兩位放射科醫(yī)生隨機選擇 30例患者，以重新畫取VOI進行一致性檢驗。采用PyRadiomics 軟件[20]進行影像組學特征提取，包括直方圖特征、形態(tài)特征以及紋理特征等三大類，紋理特征包括灰度共生矩陣(GLCM)、灰度區(qū)域矩陣(GLSZM)、灰度游程矩陣(GLRLM)和灰度依賴矩陣(GLDM)，分別從每個序列中提取1070個影像組學特征。為了減少模型的過擬合或選擇偏倚，采用方差分析(ANOVA)、Kruskal-Wallis檢驗、單變量logistic回歸分析和最小絕對收縮選擇算法(least absolute shrinkage and selection operator,LASSO)選擇與組織學分型高度相關(guān)的特征以建立影像組學模型。

最后，結(jié)合傳統(tǒng)特征與影像組學特征構(gòu)建混合模型。同時，本研究進行了分層分析，以比較影像組學模型與傳統(tǒng)模型在區(qū)分早期與晚期EOC中的作用。

6.統(tǒng)計學分析

采用R軟件(3.6.0 版)進行統(tǒng)計學分析。采用組內(nèi)相關(guān)系數(shù)(intraclass correlation efficient,ICC)評估兩位放射科醫(yī)生所提取的影像組學特征和ADC值的一致性。分別采用獨立樣本t檢驗(ADC值)、Chi-Squared或Fisher精確檢驗(MRI形態(tài)學特征)評估Ⅰ型與Ⅱ型EOC的差異。為了確保所建立模型不受數(shù)據(jù)偏差或樣本量不足的影響，所有模型均通過十倍交叉驗證，并重復(fù)建模20次。使用Delong檢驗比較不同模型之間的曲線下面積(area under curve,AUC)值差異。根據(jù)最大尤登指數(shù)的臨界值計算準確度、敏感度、特異度、陽性預(yù)測值和陰性預(yù)測值。采用校準曲線評估每個模型的預(yù)測性能。通過評估閾值概率下的凈收益，進行了決策曲線分析(decision curve analysis,DCA)以評估每種模型的臨床實用性。以P<0.05為差異有統(tǒng)計學意義。

結(jié) 果

1.病理結(jié)果

組織病理學證實61例患者中有24例(平均年齡46.5歲，范圍29～61歲)為Ⅰ型EOC，包括14例低級別漿液性癌，3例透明細胞癌，4 例子宮內(nèi)膜樣癌和3例粘液性癌，其中6例患者為雙側(cè)卵巢病變。其余37例患者(平均年齡57.02 歲，范圍44～81歲)為Ⅱ型EOC，均為高級別漿液性癌，其中13例患者為雙側(cè)卵巢病變。61例患者共計80個病灶。

2.傳統(tǒng)模型評估

常規(guī)MRI形態(tài)學特征：Ⅱ型EOC的直徑小于Ⅰ型EOC(P=0.002)。兩種類型腫瘤在T2WI上均傾向于高信號，但Ⅱ型EOC顯示為高信號的比例更高(分別為78%和50%，P=0.011)。Ⅱ型EOC最常見的性狀為實性病變，而Ⅰ型更常見的是囊性和囊實性病變，兩組差異有統(tǒng)計學意義(P<0.001)。腹膜轉(zhuǎn)移(P=0.009)和腹水(P<0.001)在Ⅱ型EOC中更為常見。兩組的腫瘤側(cè)向性差異無統(tǒng)計學意義(P=0.386)，但Ⅱ型EOC更傾向于雙側(cè)卵巢發(fā)病(表1)。多因素logistic回歸分析結(jié)果顯示，腫瘤性狀(OR：4.46，95%CI：1.854～6.403，P<0.001)和腹水(OR：5.062，95%CI：1.177～25.557，P<0.005)是Ⅱ型EOC的獨立預(yù)測因子(表2)。

表1 EOC患者傳統(tǒng)影像特征的單因素分析結(jié)果 (n,%)

表2 EOC患者的多因素Logistic回歸分析結(jié)果

ADC值：兩位放射科醫(yī)師兩次測量的ADC值接近，一致性較好(ICC=0.91)。Ⅱ型EOC的ADC值[(9.3±1.87)×10-4mm2/s]顯著低于Ⅰ型EOC[(12.34±2.29)×10-4mm2/s]，差異有統(tǒng)計學意義(P<0.001，表 1)，表明Ⅱ型EOC水分子擴散限制更為嚴重。

多因素Logistic回歸分析選擇具有統(tǒng)計學差異的變量建立傳統(tǒng)模型(表2)，腫瘤性狀、腹水和ADC值包含在該模型中。此模型的AUC為 0.95(95%CI：0.90～0.99)，診斷閾值0.54，敏感度0.84，特異度0.97，陽性預(yù)測值0.98，陰性預(yù)測值0.78(表 3、圖2)。

表3 影像組學模型、傳統(tǒng)模型和混合模型預(yù)測I型與II型EOC的效能

3.影像組學模型評估

首先保留 ICC>0.75的特征，最終通過特征選擇及LASSO回歸算法進一步去除冗余特征后保留5個特征，包括4個DWI特征和1個T1WI增強特征(流程圖見圖3)。影像組學模型的AUC為0.84(95%CI：075～0.93)，診斷閾值0.37，敏感度0.82，特異度0.77，陽性預(yù)測值0.85，陰性預(yù)測值0.72(表3、圖2)。

4.混合模型評估

混合模型中包括腫瘤性狀、腹水、ADC值和影像組學特征?；旌夏Ｐ偷腁UC為0.96(95%CI：0.91～1.00)，診斷閾值-0.73，敏感度0.92，特異度0.93，陽性預(yù)測值0.96，陰性預(yù)測值0.88(表3、圖2)。

5.不同模型之間的比較

傳統(tǒng)模型(AUC=0.95，95%CI:0.90～0.99)顯示出比影像組學模型(AUC=0.84，95%CI:0.75～0.93)更高的分類準確性?；旌夏Ｐ?AUC=0.96，CI:0.91～1.00)的診斷性能與傳統(tǒng)模型基本相同。

校準曲線表明傳統(tǒng)模型與混合模型對預(yù)測EOC組織學分型的能力基本一致，均優(yōu)于影像組學模型(圖4a)。在DCA的所有閾值概率內(nèi)，傳統(tǒng)模型和混合模型具有基本相同的臨床實用性(圖4b)。交叉驗證證實了傳統(tǒng)模型的可靠性和穩(wěn)定性(圖5)。為了提供可視化的測量結(jié)果，繪制了傳統(tǒng)模型的列線圖，并給出了每種獨立預(yù)測因子所占權(quán)重(圖6)。分層分析結(jié)果表明，在疾病早期，影像組學模型的診斷效率高于傳統(tǒng)模型，在疾病晚期，傳統(tǒng)模型的診斷效率高于影像組學模型(圖7)。

圖4 a) 傳統(tǒng)模型、影像組學模型和混合模型的校準曲線，描述了Ⅱ型 EOC患者的預(yù)測概率與觀測到概率的一致性，45°虛線表示理想的預(yù)測性能，實線表示各模型的預(yù)測性能，結(jié)果說明三種模型均在可信范圍內(nèi); b) 傳統(tǒng)模型、影像組學模型和混合模型的決策曲線，表示不同風險下的凈收益。當風險閾值為1%～99%時，混合模型與傳統(tǒng)模型在預(yù)測EOC患者組織學分型上達到了基本一致的臨床實用性。 圖5 影像組學模型、傳統(tǒng)模型和混合模型的交叉驗證圖，表示每種模型的AUC、敏感度和特異度的分布情況。

圖6 a) 預(yù)測II型EOC的傳統(tǒng)影像特征列線圖：在腫瘤性狀、腹水、ADC值橫軸上分別進行定位，分別繪制每條直線到相應(yīng)的分數(shù)值，對3個預(yù)測變量的分數(shù)值進行總和，并將分數(shù)值定位在總分數(shù)值軸上，然后畫一條直線到預(yù)測的風險系數(shù)軸，該風險系數(shù)反映了患者為II型EOC的風險性。腫瘤性狀：0表示囊性,1表示囊實性,2表示實性。腹水：0表示陰性,1表示陽性; b) 分別顯示腫瘤性狀、腹水、ADC值所占權(quán)重。圖7 分層分析結(jié)果表明，在疾病早期，影像組學模型的診斷效率高于傳統(tǒng)模型；在疾病晚期，傳統(tǒng)模型的診斷效率較高。

討 論

本研究結(jié)果表明，傳統(tǒng)模型、影像組學模型和混合模型均可在術(shù)前預(yù)測EOC的組織學分型。傳統(tǒng)模型顯示出最高的預(yù)測性能，而混合模型并未沒有明顯優(yōu)于傳統(tǒng)模型。因此，筆者認為傳統(tǒng)模型可以成為臨床決策中區(qū)分Ⅰ型和Ⅱ型EOC的有效工具。

Thomassin-Naggara等[18]早在2013年就建立了卵巢腫塊評分系統(tǒng)，以識別良性與惡性腫瘤，然而隨著個性化醫(yī)療的發(fā)展，有必要進一步鑒別惡性腫瘤的組織學分型。Ⅰ型EOC通常由規(guī)則而穩(wěn)定的前體病變(如交界性腫瘤和子宮內(nèi)膜異位癥)發(fā)展而來，并且在基因上是相對穩(wěn)定的。Ⅱ型EOC主要來源于附件上皮細胞，在遺傳上極其不穩(wěn)定，且常伴有P53突變[5,7]。EOC患者的生存差異與Ⅰ型和Ⅱ型生物學行為密切相關(guān)。因此，準確預(yù)測EOC的組織學分型可幫助患者進行術(shù)前風險分層，對需要進行更廣泛手術(shù)的患者選擇最佳決策方案，同時避免對低風險患者進行過度治療。

隨著各種診斷方案的不斷優(yōu)化，臨床上逐漸結(jié)合多種方法來診斷卵巢腫瘤[21-23]，但對組織學分型的研究很少。在本研究中，通過多元logistic回歸分析建立的傳統(tǒng)模型顯示腫瘤性狀、腹水和ADC值是Ⅱ型EOC的獨立預(yù)測因子。Ⅱ型EOC 較Ⅰ型EOC的實性成分更小，且腹水更常見，ADC值明顯低于Ⅰ型EOC。這些結(jié)果與以往研究結(jié)果一致[9,10,24]。基于上述獨立變量建立的傳統(tǒng)模型的診斷效能高達0.95，表明其可以有效區(qū)分Ⅰ型與Ⅱ型EOC。

與之前使用少量圖像特征的研究不同[25-27]，本研究從每個病變的每個MRI序列中提取了1070個特征。最近的研究表明，多序列MRI影像組學的定量特征可以作為影像學的生物標志物，以診斷、辨別組織學分型和預(yù)測婦科腫瘤的治療反應(yīng)[28-31]。本研究選擇了3個MRI序列以建立影像組學模型，該模型在預(yù)測 EOC的組織學分型方面顯示出較好的預(yù)測效能。另外，經(jīng)過特征篩選后模型中包括4個DWI特征，表明DWI圖像在影像組學方面的重要性，合理的解釋可能是DWI圖像可以更好地監(jiān)測腫瘤微環(huán)境[32]，因此可以觀察到更多的信號差異。分層分析結(jié)果顯示，影像組學模型在腫瘤早期階段的預(yù)測性能非常好，這意味著該模型可以更好地區(qū)分EOC的早期階段。

本研究還比較了傳統(tǒng)模型、影像組學模型和混合模型，發(fā)現(xiàn)傳統(tǒng)模型在預(yù)測EOC的組織學分型方面表現(xiàn)良好，混合模型的診斷效能并未明顯優(yōu)于傳統(tǒng)模型，但其診斷準確度及敏感度卻有所提高。傳統(tǒng)模型的列線圖不僅可以可視化和個性化預(yù)測Ⅱ型EOC患者，而且在DCA的整個閾值概率范圍內(nèi)實現(xiàn)了更高的診斷效率和更多的凈收益。交叉驗證結(jié)果表明，我們開發(fā)的傳統(tǒng)模型是可靠且可重復(fù)的，可作為指導(dǎo)臨床實踐的有用工具。

本研究存在以下局限性：①本研究為回顧性研究，樣本量較小，因此，將來需要使用標準化成像技術(shù)并對大量樣本進行前瞻性研究；②盡管本研究使用交叉驗證來驗證每個模型的可靠性，但它還應(yīng)包括其他外部驗證以測試研究的可重復(fù)性和泛化性；③本研究納入患者大多屬于晚期，在日后研究中會納入更多早期病例進一步驗證影像組學模型的潛力。

綜上所述，通過比較傳統(tǒng)模型、影像組學模型和混合模型，結(jié)果顯示傳統(tǒng)模型具有良好的診斷性能，而混合模型的診斷效果并未明顯提高。因此，筆者認為傳統(tǒng)模型是一種無創(chuàng)且可靠的工具，可在術(shù)前更好地區(qū)分Ⅰ型與Ⅱ型EOC患者。